基于改进的最大似然法识别风力发电机转子的载荷参数

风机不对中故障是多载荷参数耦合而成,工程师难以凭经验了解载荷参数的大致范围。针对因转子结构参数和测试条件等不确定性参数的存在及载荷参数先验信息未知,最大似然法识别转子不对中故障的载荷参数时采用的搜索计算面临计算量大,且迭代过程中灵敏度会带来一些数值问题。引入搜索区间进退法到敏感矩阵法与最大似然法中,对最大似然法进行改进。改进后的最大似然法中的迭代适于处理复杂工程优化问题,避免传统迭代数值法对搜索空间的苛刻要求。以输入尺寸和输出测试响应具有随机性测量误差的风力发电机转子系统为例,在三种测量误差下的识别结果表明,改进的最大似然法提高了最大似然法的辨识效果,可以减少不确定性因素对识别结果的影响,鲁棒性好。

基于微型遗传算法的最大似然法识别风机转子系统的不对中载荷

转子不对中会加剧风机的振动。基于最大似然法识别不对中载荷时会因参数区间未知产生辩识发散,以及因初始值的敏感性而难以收敛等问题,提出了初始值从0开始,采用搜索区间进退法进行区间探索,以微型遗传算法在相应区间寻优的思路改进最大似然法,将输入和输出参数具有随机性的不对中载荷识别问题转化为可利用微型遗传算法处理的优化问题。该方法以随机不确定性风机转子系统不对中载荷识别为例进行检验,三种测量误差下识别结果显示,基于微型遗传算法改进的最大似然法可提高辩识效果,识别结果受测量误差影响较小,鲁棒性好。